市場現象 - ページ 29 1...222324252627282930313233343536...75 新しいコメント Vladimir 2011.07.18 05:59 #281 yosuf: url=https://www.mql5.com/ru/articles/250]-"Universal regression model for market price prediction"[/url] の(18)をベース関数として使ってみました。様々な関数の和、積、対数、累乗、指数など、あらゆる組み合わせで人為的に構築された依存関係を適切に記述することができる。 (18)式に詳しいです。私が基礎関数に関する先験的な知識に興味がないことを見落としているようです。基底関数が、世界中のどんなプロセスも記述できるほど強力で普遍的なものであっても、私は気にしない。時系列 そのものから基底関数を自動的に決定するアルゴリズムを見つけたい。ただし、これらは普遍的な基底関数ではなく、与えられた時系列に固有の関数である。スピーチとのアナロジーを考えてみましょう。また、(18)をはじめとする様々なユニバーサル基底関数で記述することができる。しかし、これだけでは、音声の解読が不正確になる。また、中国語の音声を英語の音素で解読しても、結果は芳しくありません。それぞれのプロセスには、異なる「音素」が存在するはずです。 Vladimir 2011.07.18 06:00 #282 joo: 遺伝的アルゴリズムという万能薬がある。少なくとも、プロセスについて何も(あるいはほとんど何も)分かっておらず、それでも調査して結果を出す必要があるのなら、そもそもGAを試す価値がある。 これは効果がありそうです。 Юсуфходжа 2011.07.18 06:22 #283 gpwr: (18)式に詳しいです。私が基礎関数に関する先験的な知識に興味がないのは、的外れだと思います。基底関数が、世界中のどんなプロセスも記述できるほど強力で普遍的なものであっても、私は気にしない。時系列そのものから基底関数を自動的に決定するアルゴリズムを見つけたい。ただし、これらは普遍的な基底関数ではなく、与えられた時系列に固有の関数である。スピーチとのアナロジーを考えてみましょう。また、(18)をはじめとする様々なユニバーサル基底関数で記述することができる。しかし、これだけでは、音声の解読が不正確になる。また、中国語の音声を英語の音素で解読しても、結果は芳しくありません。各プロセスには、それぞれ異なる「音素」が存在するはずです。 これは非常に難しい作業で、おそらくこの場合、時系列を チャンクで記述することが可能でしょう。 Stanislav Korotky 2011.07.18 07:41 #284 gpwr: 私がこの構造に興味を持ったのは、市場価格を予測することよりも、もっと実用的な用途があるからです。今は、高速音声認識システムの開発の方に興味があります ...価格予測は、未来の音素(構造)を予測することに帰結する。しかし、私はそんなことに興味はない。過去と現在の音素(構造)を認識することに興味があります。そのためには、これらの音素の辞書を持ち、音声をこれらの既知の音素と関連付ける必要がある(もちろん、簡略化されている)...。 ウラジミール、IMHO、このタスクは現段階では実現不可能です。音声認識との美しい並行関係を続けると、市場にあるすべてのツールは独自の言語であり、時間帯や季節、ニュースなどによって異なる方言が混在していることに留意してください。例えば、英語の音素があったとして、酔っ払ったアイルランド人の港湾労働者のしゃべり声を認識する必要があるとする。音声認識技術は、まだそこまで発達していません。そして、市場も決して楽ではありません。 単純化すれば、市場の音素の語彙は、市場参加者からしか得られない。そして、それらは、多くの書籍に書かれている数字、フィボレベル等となる。特に基底関数の種類を指定することで、これ以上明確な説明を知ることができる人はいない。 anonymous 2011.07.18 09:21 #285 gpwr: (18)式に詳しいです。私が基礎関数に関する先験的な知識に興味がないことを見落としているようです。基底関数が、世界中のどんなプロセスも記述できるほど強力で普遍的なものであっても、私は気にしない。時系列そのものから基底関数を自動的に決定するアルゴリズムを見つけたい。ただし、これらは普遍的な基底関数ではなく、与えられた時系列に固有の関数である。スピーチとのアナロジーを考えてみましょう。また、(18)をはじめとする様々なユニバーサル基底関数で記述することができる。しかし、これだけでは、音声の解読が不正確になる。また、中国語の音声を英語の音素で解読しても、結果は芳しくありません。それぞれのプロセスには、異なる「音素」が存在するはずです。 "基底追求による原子分解"でググってみてください。 Alexey Burnakov 2011.07.18 09:39 #286 gpwr: 私もそう思います。音素、構造、パターン、ウェーブレット、基底関数など、さまざまな用語がある。私は基底関数という言葉の方が好きです。時系列がわかっているときに、どのようにして基底関数を自動的に決定することができるのか、ということに興味があります。もちろん、このシリーズを視覚的に検証して、三角形や旗など、見栄えのする形を見つけることもできる。しかし、これらのパターンが単なる想像の産物ではなく、統計的に重要であることを証明した人はまだいない。逸話のように覚えてください。精神科医は患者に様々な写真を見せながら「何が写っていますか」と尋ね、患者は「男女がセックスしている」と答えます。"お前は淫乱だ "と医者が言うんだ。と患者さんは言います。"まあ、あなたはその淫らな写真を私に見せてくれましたね"統計的に重要な基底関数を自動的に特定するのは複雑な作業で、ニューラルネットワークを使っても、その方法を正しく理解した人はいないと思います。もちろん、作業を単純化して、時系列をHaarウェーブレットやフーリエ級数のような三角関数、あるいは回帰でよく使われる他の基底関数に分割することをあらかじめ想定しておくこともできる。そして、これらの基底関数はすべて、それが価格系列であれ、音声系列であれ、我々の系列をうまく再現してくれるのです。しかし、音声をHaarウェーブレットに分解してみると、音素とは全く関係ないことがわかります。価格系列をHaarウェーブレットや三角関数に分解しても意味がないのと同じである。圧縮センシングは、最小の基底関数の集合で信号を記述することが本質であり、このことに言及することが適切である。この方法のアルゴリズムは数多く存在するが、いずれも基底関数を知っていることが前提である。価格系列から基底関数を求めるアルゴリズムについて、何かアイデアがあれば、ぜひ教えてください。 この考え方は私に近い(つまり、話し方との相似性)。そして、この方向性ですでに多くのことが行われています。記事を読んで、インスピレーションを得てください。時系列を限られた数の状態(空間のコンパクトな領域の点)に量子化することが必要である。そして、音声認識課題( 統計的に安定な音素の並びやその組み合わせに対するニューラルネットワークの学習)とのアナロジーで、リカレントな状態の並びを研究しているのです。前者は自己組織化ネットワークが、後者は多層ネットワークが適している。このスレッドでその例をやりました。https://forum.mql4.com/ru/40561/page5 Vladimir 2011.07.18 13:41 #287 anonymous: "基底追求による原子分解 "でググってみてください。 ありがとうございます。検索してみると、この方法は圧縮センシングに属するものであることがわかりました。基底関数が既知であることを前提とする。私の仕事は、信号を基底関数の線形結合として最も緩やかに表現することだけでなく、この信号に特有な基底関数そのものを見つけることである。 Vladimir 2011.07.18 14:32 #288 marketeer:ウラジミール、IMHO、これは現段階では不可能なことです。音声認識との美しい並行関係を続けると、市場にあるすべてのツールは独自の言語であり、時間帯や季節、ニュースなどによって異なる方言が混在していることに留意してください。例えば、英語の音素があったとして、酔っ払ったアイルランド人の港湾労働者のしゃべり声を認識する必要があるとする。音声認識技術は、まだそこまで発達していません。そして、市場も決して楽ではありません。 あなたの推論は、すべて非常に正しいです。確かに、市場は時間によって方言が違い、スピードが違い、音量が違い、歪みがあるなど、いろいろなことを話す。ですから、音素は音声の非線形変換によってのみ見出されるものだと思われます。市場価格のパターンを見つける こともそうです。今のところ、そうは思っていません。最初は、有限個の未知の基底関数の線形結合からなることがあらかじめ分かっている信号を用いて、この基底関数とこの線形分解の係数を求めることができるのか、ということに興味があります。 Vladimir 2011.07.18 14:43 #289 alexeymosc: この路線は私に近いものがあります(スピーチとの類似性という意味です)。そして、この方向性ですでに多くのことが行われています。記事を読んで、インスピレーションを得てください。時系列を限られた数の状態(空間のコンパクトな領域の点)に量子化することが必要である。そして、音声認識課題(統計的に安定な音素の並びやその組み合わせに対するニューラルネットワークの学習)とのアナロジーで、リカレントな状態の並びを研究しているのです。前者は自己組織化ネットワークが、後者は多層ネットワークが適している。このスレッドでその例をやりました。https://forum.mql4.com/ru/40561/page5。 ありがとうございます。SOMについては、ゆっくり考えたいと思います。 sergeyas 2011.07.18 15:52 #290 eura: もう好きで好きで...。セルゲイさん、ラジオ(電信など)の物理の基本原理は何でしょうか?質問には困りました!(笑) 内容ではなく、登場した事実。 すべての基本原則は、ウェブから簡単に取得できます(一部は学校のカリキュラムからも取得できます)。 もう少し複雑なんです。 マーケットへの応用では、相場がシグナルに非常に似ているため、多くのものを使用することができます。 したがって、ラジオ工学やオーディオ工学などで知られている処理方法を、それらに適用してみるのもよいでしょう。 詳細 - むしろこのスレッドには関係ない。 参考までに。 http://nice.artip.ru/?id=doc&a=doc68 1...222324252627282930313233343536...75 新しいコメント 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか? Googleでログイン
url=https://www.mql5.com/ru/articles/250]-"Universal regression model for market price prediction"[/url] の(18)をベース関数として使ってみました。様々な関数の和、積、対数、累乗、指数など、あらゆる組み合わせで人為的に構築された依存関係を適切に記述することができる。
(18)式に詳しいです。私が基礎関数に関する先験的な知識に興味がないことを見落としているようです。基底関数が、世界中のどんなプロセスも記述できるほど強力で普遍的なものであっても、私は気にしない。時系列 そのものから基底関数を自動的に決定するアルゴリズムを見つけたい。ただし、これらは普遍的な基底関数ではなく、与えられた時系列に固有の関数である。スピーチとのアナロジーを考えてみましょう。また、(18)をはじめとする様々なユニバーサル基底関数で記述することができる。しかし、これだけでは、音声の解読が不正確になる。また、中国語の音声を英語の音素で解読しても、結果は芳しくありません。それぞれのプロセスには、異なる「音素」が存在するはずです。
遺伝的アルゴリズムという万能薬がある。少なくとも、プロセスについて何も(あるいはほとんど何も)分かっておらず、それでも調査して結果を出す必要があるのなら、そもそもGAを試す価値がある。
これは効果がありそうです。
(18)式に詳しいです。私が基礎関数に関する先験的な知識に興味がないのは、的外れだと思います。基底関数が、世界中のどんなプロセスも記述できるほど強力で普遍的なものであっても、私は気にしない。時系列そのものから基底関数を自動的に決定するアルゴリズムを見つけたい。ただし、これらは普遍的な基底関数ではなく、与えられた時系列に固有の関数である。スピーチとのアナロジーを考えてみましょう。また、(18)をはじめとする様々なユニバーサル基底関数で記述することができる。しかし、これだけでは、音声の解読が不正確になる。また、中国語の音声を英語の音素で解読しても、結果は芳しくありません。各プロセスには、それぞれ異なる「音素」が存在するはずです。
私がこの構造に興味を持ったのは、市場価格を予測することよりも、もっと実用的な用途があるからです。今は、高速音声認識システムの開発の方に興味があります ...価格予測は、未来の音素(構造)を予測することに帰結する。しかし、私はそんなことに興味はない。過去と現在の音素(構造)を認識することに興味があります。そのためには、これらの音素の辞書を持ち、音声をこれらの既知の音素と関連付ける必要がある(もちろん、簡略化されている)...。
ウラジミール、IMHO、このタスクは現段階では実現不可能です。音声認識との美しい並行関係を続けると、市場にあるすべてのツールは独自の言語であり、時間帯や季節、ニュースなどによって異なる方言が混在していることに留意してください。例えば、英語の音素があったとして、酔っ払ったアイルランド人の港湾労働者のしゃべり声を認識する必要があるとする。音声認識技術は、まだそこまで発達していません。そして、市場も決して楽ではありません。
単純化すれば、市場の音素の語彙は、市場参加者からしか得られない。そして、それらは、多くの書籍に書かれている数字、フィボレベル等となる。特に基底関数の種類を指定することで、これ以上明確な説明を知ることができる人はいない。
(18)式に詳しいです。私が基礎関数に関する先験的な知識に興味がないことを見落としているようです。基底関数が、世界中のどんなプロセスも記述できるほど強力で普遍的なものであっても、私は気にしない。時系列そのものから基底関数を自動的に決定するアルゴリズムを見つけたい。ただし、これらは普遍的な基底関数ではなく、与えられた時系列に固有の関数である。スピーチとのアナロジーを考えてみましょう。また、(18)をはじめとする様々なユニバーサル基底関数で記述することができる。しかし、これだけでは、音声の解読が不正確になる。また、中国語の音声を英語の音素で解読しても、結果は芳しくありません。それぞれのプロセスには、異なる「音素」が存在するはずです。
"基底追求による原子分解"でググってみてください。
私もそう思います。音素、構造、パターン、ウェーブレット、基底関数など、さまざまな用語がある。私は基底関数という言葉の方が好きです。時系列がわかっているときに、どのようにして基底関数を自動的に決定することができるのか、ということに興味があります。もちろん、このシリーズを視覚的に検証して、三角形や旗など、見栄えのする形を見つけることもできる。しかし、これらのパターンが単なる想像の産物ではなく、統計的に重要であることを証明した人はまだいない。逸話のように覚えてください。
精神科医は患者に様々な写真を見せながら「何が写っていますか」と尋ね、患者は「男女がセックスしている」と答えます。"お前は淫乱だ "と医者が言うんだ。と患者さんは言います。"まあ、あなたはその淫らな写真を私に見せてくれましたね"
統計的に重要な基底関数を自動的に特定するのは複雑な作業で、ニューラルネットワークを使っても、その方法を正しく理解した人はいないと思います。もちろん、作業を単純化して、時系列をHaarウェーブレットやフーリエ級数のような三角関数、あるいは回帰でよく使われる他の基底関数に分割することをあらかじめ想定しておくこともできる。そして、これらの基底関数はすべて、それが価格系列であれ、音声系列であれ、我々の系列をうまく再現してくれるのです。しかし、音声をHaarウェーブレットに分解してみると、音素とは全く関係ないことがわかります。価格系列をHaarウェーブレットや三角関数に分解しても意味がないのと同じである。圧縮センシングは、最小の基底関数の集合で信号を記述することが本質であり、このことに言及することが適切である。この方法のアルゴリズムは数多く存在するが、いずれも基底関数を知っていることが前提である。価格系列から基底関数を求めるアルゴリズムについて、何かアイデアがあれば、ぜひ教えてください。
"基底追求による原子分解 "でググってみてください。
ありがとうございます。検索してみると、この方法は圧縮センシングに属するものであることがわかりました。基底関数が既知であることを前提とする。私の仕事は、信号を基底関数の線形結合として最も緩やかに表現することだけでなく、この信号に特有な基底関数そのものを見つけることである。
ウラジミール、IMHO、これは現段階では不可能なことです。音声認識との美しい並行関係を続けると、市場にあるすべてのツールは独自の言語であり、時間帯や季節、ニュースなどによって異なる方言が混在していることに留意してください。例えば、英語の音素があったとして、酔っ払ったアイルランド人の港湾労働者のしゃべり声を認識する必要があるとする。音声認識技術は、まだそこまで発達していません。そして、市場も決して楽ではありません。
あなたの推論は、すべて非常に正しいです。確かに、市場は時間によって方言が違い、スピードが違い、音量が違い、歪みがあるなど、いろいろなことを話す。ですから、音素は音声の非線形変換によってのみ見出されるものだと思われます。市場価格のパターンを見つける こともそうです。今のところ、そうは思っていません。最初は、有限個の未知の基底関数の線形結合からなることがあらかじめ分かっている信号を用いて、この基底関数とこの線形分解の係数を求めることができるのか、ということに興味があります。
この路線は私に近いものがあります(スピーチとの類似性という意味です)。そして、この方向性ですでに多くのことが行われています。記事を読んで、インスピレーションを得てください。時系列を限られた数の状態(空間のコンパクトな領域の点)に量子化することが必要である。そして、音声認識課題(統計的に安定な音素の並びやその組み合わせに対するニューラルネットワークの学習)とのアナロジーで、リカレントな状態の並びを研究しているのです。前者は自己組織化ネットワークが、後者は多層ネットワークが適している。このスレッドでその例をやりました。https://forum.mql4.com/ru/40561/page5。
ありがとうございます。SOMについては、ゆっくり考えたいと思います。
もう好きで好きで...。セルゲイさん、ラジオ(電信など)の物理の基本原理は何でしょうか?
質問には困りました!(笑)
内容ではなく、登場した事実。
すべての基本原則は、ウェブから簡単に取得できます(一部は学校のカリキュラムからも取得できます)。
もう少し複雑なんです。
マーケットへの応用では、相場がシグナルに非常に似ているため、多くのものを使用することができます。
したがって、ラジオ工学やオーディオ工学などで知られている処理方法を、それらに適用してみるのもよいでしょう。
詳細 - むしろこのスレッドには関係ない。 参考までに。
http://nice.artip.ru/?id=doc&a=doc68